High Resolution Image Quality Database

要約

デジタル写真と高解像度ディスプレイのテクノロジーが急速に進化し、普及するにつれて、高解像度画像用のブラインド画質評価 (BIQA) モデルの需要が高まっています。
残念ながら、BIQA モデルのトレーニングに使用される公的に利用可能な大規模な画質データベースには、ほとんどの場合、低解像度または一般的な解像度の画像が含まれています。
画像のサイズ変更は画質に影響するため、低解像度画像でトレーニングされた BIQA モデルの精度は高解像度画像には最適ではないと想定されます。
そこで、解像度 2880×2160 ピクセルの 1120 枚の画像で構成される新しい高解像度画質データベース (HRIQ) を作成しました。
当社では、制御された実験室設定で HRIQ の主観的な品質評価を収集するための主観的な研究を実施し、その結果、高解像度で正確な MOS が得られました。
高解像度画像の平均意見スコア (MOS) を正確に予測するために BIQA モデルをトレーニングするための高解像度画像品質データベースの重要性を実証するために、データベースのさまざまな解像度バージョンでいくつかの従来の深層学習ベースの BIQA 手法をトレーニングし、テストしました。
データベースは https://github.com/jarikorhonen/hriq で公開されています。

要約(オリジナル)

With technology for digital photography and high resolution displays rapidly evolving and gaining popularity, there is a growing demand for blind image quality assessment (BIQA) models for high resolution images. Unfortunately, the publicly available large scale image quality databases used for training BIQA models contain mostly low or general resolution images. Since image resizing affects image quality, we assume that the accuracy of BIQA models trained on low resolution images would not be optimal for high resolution images. Therefore, we created a new high resolution image quality database (HRIQ), consisting of 1120 images with resolution of 2880×2160 pixels. We conducted a subjective study to collect the subjective quality ratings for HRIQ in a controlled laboratory setting, resulting in accurate MOS at high resolution. To demonstrate the importance of a high resolution image quality database for training BIQA models to predict mean opinion scores (MOS) of high resolution images accurately, we trained and tested several traditional and deep learning based BIQA methods on different resolution versions of our database. The database is publicly available in https://github.com/jarikorhonen/hriq.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google